只有用计算机代替人来完成这个过程，才能完全发挥脉动生产线的理论潜力！”
姚梦娜喝了口水，最后总结道。
流形学习
姚梦娜提出的这个问题，对于常浩南来说，不难理解。
只是很难解决。
真要说起来的话，这涉及到文本挖掘、数据可视化、信息检索、数据挖掘、机器学习乃至人工智能等一系列问题。
如果真做到姚梦娜所设想的那样全自动化生产，那就是工业40了。
在1999年这个时间点上，显然不大现实。
但不可能完全实现这一整套东西，并不意味着其中没有可以作为突破口的部分。
比如数据挖掘和信息检索，就是千禧年附近很火热的研究方向。
其核心目的是从海量数据库和大量繁杂信息中提取出有价值的知识，并进一步提高信息的利用率。
实际上，在常浩南重生之前，飞机设计和制造领域已经开始应用这方面的技术，他本人也接触过不少。
但当年的他作为一个工科出身的普通技术人员，并没有太多理论功底。
而系统，则首先需要构建出一个完整且可行的思路出来。
这就导致如今他脑子里空有一大堆名词，但却不知道哪個是破局的关键——
实际上，他此时就面临着无法从大量繁杂信息中提取出有价值信息的困境。
“信息……”
常浩南从旁边扯过一张纸，在纸的最中间写下了两个字。
在理想化的模型中，最好是一个数据就可以精确且唯一地描述一个含义。
也就是一维数据。
小学和中学时候做的应用题，大体上就是这样。
实际生活中面临的，其实大多数也是这种问题。
而对于稍复杂一些的情况来说，要完全描述一个含义，往往需要一组数据。